直接法估计的改进介绍.pptx

主讲人：朱志雄 小组成员：何孝金，朱志雄，王维斌;13.3 直接法和间接法的质量;M=N-1时的估计质量; 式中r(m),P(ω)分别是随机信号x(n)的真实自相关函数和功率谱。 上式可写成 则估计的偏差为： ;当 时，矩形窗d0(n)趋于无限宽，D0(ω)和W0(ω)都趋于δ函数，此时 因此，对于固定的数据长度N，周期图 是个有偏估计，偏差由（*）式给出。 当 时，它的期望值等于真值P(ω) ,所以它又是渐进无偏的。 ;MN-1时的估计质量;当 时，W(ω)趋近于δ函数，此时 如果P(ω)是一个慢变的谱，使得在V(ω)的主瓣内接近为一常数，则上式可写为 若能保证 则有 ;（2）方差 假定x(n)是零均值、方差为σ2的高斯白噪声，则有 又 , 令 Kr1，说明 ;小结： 1）由于在 上施加了一个较短的窗口v(m)，使得间接法估计的偏差大于直接法，而方差小于直接法。 2） 谱的平滑（也即方差的减小）是以牺牲分辨率为代价的。 ;13.4 直接法估计的改进;方法二：平均法 ;启示： 将一长度为N的数据xN（n）分成L段，分别求每一段的功率谱，然后加以平均，以达到所希望的目的。;Bartlett法： 将采样数据xN（n）分成L段，每段的长度均为M，即N=LM，则第i段数据加矩形窗后，变为 xiN（n）= xN [n+(i-1)M]d1[n+(i-1)M], 0?n ?M-1,1 ?i ?L; PER(ω) 的均值为: E{ PER(ω)}= E{ iPER(ω)} =E{ iPER(ω)} =P(ω)* | D1(ω) |2=P(ω)*W1(ω) ;对比可知,不取平均值的周期 和取平均后的 相同点：都是有偏估计，且当 时，二者都是渐进无偏的。 区别：因为W1(ω)主瓣的宽度远大于W(ω)，所以取平均后，偏差加大，分辨率下降。; Eg2.若x(n)为一白噪声序列，由前面知识可知 ;法二：Welch法;Case2.选择适当的窗口作为每一段的数据窗口。 例如，使用汉宁窗或汉明窗，记之为d2(n)。如此，可以改善由于矩形窗边瓣较大所产生的谱失真。 ;Eg3.若上式中d2(n)是一个矩形窗口，计算平均后的功率谱及均值。 ;D2(ω)是d2(n)的频谱， 即 记 ; 如果有 则有 为渐近无偏谱。 ;法三：Nuttall法 步骤1、2：同Bartlett，即对xN(n)自然分段（加矩形窗），且不交叠，得到平均后的功率谱 ; 步骤3：由 做反变换，得到该平均功率谱对应的自相关函数，记为 ，其最大宽度是2M-1，M=N/L； 步骤4:对 加延迟窗w2(m)， w2(m)最大单边宽度为M1,得到 ，即 步骤5：由 做正交变换，得到对x(n)功率谱估计，记作 ;三种方法的关系 ;13.5 经典谱估计算法性能的比较;（3）由于不可避免的窗函数的影响，使得真正谱P(ω)在窗口主瓣内的功率向边瓣部分“泄露”，降低了分辨率。较大的边瓣有可能掩盖P(ω)中较弱的成分，或是产生假的峰值。当分析的数据较短时，这些影响更为突出。;（5）周期图的平滑和平均是窗函数的使用紧紧相关联的。平滑和平均主要是用来改善周期的方差性能，但往往又减少了分辨率和增大了偏差。没有一个窗函数能使估计的谱在方差、偏差和分辨率各个方面都得到改善。因此使用窗函数只是改进估计质量的一个技巧问题。;13.6短时傅立叶变换;傅立叶变换的不足：缺乏时频定位能力。 ;信号联合时频分布;若 ，则（1）式可简化为 （Wigner-Ville分布） ;谢谢